一、线性回归
CS229 课程笔记之一：线性回归
a := b 表示用b的值覆盖原有的a值
二、分类与逻辑回归
三、广义线性模型
四、生成学习算法
CS229 课程笔记之四：生成学习算法
4.1 高斯判别分析
4.2 朴素贝叶斯算法
五、支持向量机—Support Vector Machines(SVM)
六、学习理论
6.1 方差与偏差的权衡
6.2 预先准备
6.3 有限个假设的情况
6.4 无线个假设的情况
七、正则化和模型选择
7.1 模型选择
7.2 特征选择
7.3 贝叶斯统计与正则化
八、在线学习Online Learning
九、EM算法与聚类
9.1 K-Means聚类
9.2 混合高斯分布模型
9.3 EM算法
十、因子分析
十一、主成分分析
十二、独立成分分析
十三、决策树和集成方法
13.1 决策树
13.2 集成方法
5.2.1装袋法
5.2.2提升法
若有收获，就点个赞吧
0 人点赞
